UZAKTAN ALGILAMA

Kontrollü sınıflandırma yaklaşımında istenen sınıfları temsil eden öncül tematik bilgi vardır ve bunlara eğitim verisi denir. Diğer bir ifade ile her bir örüntü için karar fonksiyonlarına göre atanacağı olası sınıflar önceden belirlidir.

Ana Bileşen dönüşümü ile yapılabilecek temel işlem, ilk m sayıdaki ana bileşenin, orijinal verinin bütün p boyutunun yerine kullanılmasıdır (m ≤ p).

Parametrik algoritmalarda görüntü verisi için özel bir istatistiksel dağılım kabulü yapılır. Maksimum Olabilirlik yönteminde, bir piksel en yüksek olasılık değerine sahip olduğu sınıfa atanır. Bu olasılıkların hesaplanabilmesi için bir olasılık dağılım modeline ihtiyaç vardır. Uygulamada genellikle Normal dağılım modeli kullanılır. Buna göre, her bir sınıf eğitim verisinin Normal dağılım gösterdiği kabul edilir.

Paralelkenar yönteminde bütün sınıflar için eğitim örüntüleri kullanılarak özellik uzayındaki minimum ve maksimum değerler belirlenir. Alternatif olarak ortalama değerlerin etrafında standart sapma biriminde belirlenen alt ve üst sınırlar da kullanılabilir. Herhangi bir örüntü hangi aralığa denk gelirse ilgili piksel o sınıfa atanır. Bu şekilde oluşturulan karar sınırları ikiden büyük boyutlu özellik uzayında hiper paralelkenarlar oluşturur. Herhangi bir aralık içinde kalmayan bir piksel, tanınmayan piksel olarak atanır.

K-ortalamalar algoritmasında her bir kümeleme işleminden sonra küme merkezleri güncellenir.

Üretici doğruluğu, gerçekten ait olduğu sınıfa atanan örüntülerin o sınıfa ait referans verisi içindeki oranıdır. Kullanıcı doğruluğu ise bir sınıfa atanan örüntülerin gerçekten bu sınıfa ait olma doğruluğudur.

Önce sınıf merkezleri hesaplanır:

Buna göre